训练环境与步骤参考链接：
https://www.cnblogs.com/hayley111/p/12918678.html
问题一：使用GTX2080的显卡，在batch_size只有8的情况下，训练速度只有2-3秒每步。
另开窗口使用如下指令查看GPU占用情况，指令如下：
nvidia-smi -l
结果如下：（如果你和我一样GPU占用率很低，说明cuda没有正常运行）
问题原因：cuda没有成功启动，只有cudnn在运行。
解决方法：
第一步：重新切换到cuda10.0
切换cuda版本 tensorflow1.12使用cuda9.0
yolo，tensorflow1.14等使用cuda10.0
cd /usr/local
删除之前的软链接
sudo rm -rf cuda
重新创建软连接到10.0
sudo ln -sf cuda-10.0 cuda
第二步：安装keras(我这里选的是2.2.4版本的)
pip install keras==2.2.4
第三步：修改train.py代码，增加几行代码如下：
import keras config = tf.ConfigProto() config.gpu_options.allow_growth = True keras.backend.tensorflow_backend.set_session(tf.Session(config=config))
添加位置如下：
重新执行你的训练指令就可以了。
正常使用GPU训练的情况下，GPU占用情况如下。
在我的训练中，成功启动cuda后，速度提升了10倍。
问题二：
慢慢补充ing